Introduction

Les solutions de cloud computing traditionnelles, comme celles fournies par AWS et Alibaba Cloud, offrent des ressources informatiques de haute qualité, mais ont des coûts élevés. Le cloud computing décentralisé est une nouvelle approche qui utilise la technologie blockchain pour permettre aux ressources informatiques du monde entier de rejoindre le réseau en tant que nœuds. Ces nœuds peuvent fournir de la puissance de calcul et gagner des jetons en guise d’incitations. L’informatique décentralisée a de nombreuses applications, notamment le rendu graphique, le transcodage vidéo, l’intelligence artificielle et l’apprentissage automatique. Dans le marché haussier actuel, l’IA est devenue une priorité populaire. L’industrie de l’IA connaît une croissance rapide, la complexité des calculs pouvant doubler tous les trois mois, ce qui entraîne une augmentation significative de la demande de puissance de calcul. Cette augmentation du coût de l’informatique décentralisée est un défi pour les particuliers et les petites entreprises impliqués dans l’apprentissage automatique qui ont besoin de services de cloud computing. Gensyn vise à démocratiser l’IA grâce à la décentralisation, en réduisant le coût de la puissance de calcul nécessaire à l’apprentissage. Basé sur le protocole Substripe, Gensyn utilise des contrats intelligents pour faciliter l’attribution et la récompense des tâches d’apprentissage automatique. Il vise également à créer un protocole de calcul d’apprentissage profond distribué à grande échelle, combinant des preuves d’apprentissage probabiliste avec des mécanismes de crypto-monnaie et d’incitation afin d’offrir un modèle de calcul plus efficace et évolutif pour le domaine de l’IA. Cet article se penchera sur la logique de fonctionnement du protocole de Gensyn et sur l’état actuel de son développement.

Qu'est-ce que Gensyn ?

Gensyn est un réseau informatique GPU spécialement conçu pour l'apprentissage automatique. Il augmente la puissance de calcul pour l'apprentissage automatique en exploitant divers dispositifs informatiques à longue traîne dans le monde entier, tels que les petits centres de données, les PC de jeu personnels et les Mac. Bien qu'il soit encore en développement, Gensyn a réalisé des progrès significatifs dans le développement progressif de son produit. Le modèle économique doit encore être publié et le protocole est prévu pour être intégré à l'écosystème Polkadot.

L'équipe Gensyn est basée à Londres, au Royaume-Uni. Les co-fondateurs ont des doctorats en informatique et ont été parmi les premiers à entrer dans l'industrie de la blockchain. D'autres membres de l'équipe ont également de l'expérience en intelligence artificielle, et l'équipe est en expansion. Sur le plan financier, l'équipe est bien soutenue. Ils ont reçu 1,1 million de dollars de financement en juillet 2021, 6,5 millions de dollars de financement initial dirigé par Eden Block en mars 2022, et 43 millions de dollars de financement de série A de la part de a16z en juin 2023. Plusieurs autres investisseurs ont également soutenu ce financement. L'équipe a indiqué que cette série de financement sera utilisée pour développer l'équipe et accélérer le lancement du protocole.

Qui est impliqué?

L'écosystème Gensyn comprend quatre rôles clés: les soumetteurs, les solveurs, les vérificateurs et les rapporteurs.

• Les soumissionnaires sont des utilisateurs de Gensyn qui soumettent des tâches nécessitant des calculs et paient les frais associés.
• Les solveurs sont les travailleurs principaux qui entraînent les modèles et créent des preuves pour la vérification.
• Les vérificateurs jouent un rôle crucial dans l'écosystème. La formation de modèles en apprentissage automatique est souvent un processus non déterministe en raison de l'initialisation aléatoire, de l'optimisation de l'algorithme et de la perturbation des données. Les vérificateurs comblent l'écart entre la formation non déterministe et le calcul déterministe. Ils valident le modèle en résolvant des preuves mathématiques et en comparant la sortie du modèle avec les résultats attendus pour assurer sa fiabilité.
• Les journalistes sont le dernier rempart du système. Ils examinent le travail des vérificateurs et peuvent soulever des défis pour gagner des récompenses.

Comment ça marche?

Le processus opérationnel du produit de Gensyn comprend six étapes : soumission de tâche, formation de modèle, génération de preuve, vérification de preuve, défi et règlement. La formation du modèle se déroule hors chaîne, tandis que la vérification de la preuve et les incitations économiques se déroulent sur chaîne.

1. Tout d'abord, le soumetteur doit télécharger trois types de fichiers : métadonnées de la tâche et hyperparamètres, fichiers binaires du modèle, et données d'entraînement pré-traitées et disponibles publiquement. Ces fichiers sont des composants critiques dans la formation du modèle d'apprentissage automatique.
2. Après analyse, la tâche entre dans un pool de tâches publiques et un solveur unique est sélectionné pour exécuter la tâche. Le solveur exécutera la tâche en fonction des données cloud téléchargées par le soumissionnaire, du modèle fourni et du modèle d'entraînement.
3. Lors de l'exécution de la tâche de formation, le solveur doit également définir des checkpoints à des intervalles planifiés et stocker des métadonnées pendant le processus de formation pour générer des preuves d'apprentissage. Cela garantit que le vérificateur peut reproduire avec précision les étapes d'optimisation ultérieurement. Ce processus construit un ensemble de modèles de base prouvés et pré-entraînés qui fournissent la base pour les étapes d'optimisation ultérieures.
4. Après avoir terminé la tâche, le solveur doit marquer le statut d'achèvement de la tâche on-chain et placer les preuves d'apprentissage dans un emplacement vérifiable publiquement pour le vérificateur. Les vérificateurs obtiennent des tâches de vérification à partir du pool de tâches public, réexécutent une partie des preuves et effectuent des calculs de distance. La blockchain utilise ces distances pour déterminer si la vérification correspond à la preuve d'apprentissage.
5. Après avoir vérifié la preuve d’apprentissage, les rapporteurs peuvent reproduire le travail du vérificateur pour vérifier s’il a été correctement exécuté. Si un déclarant estime que la vérification a été mal exécutée, il peut lancer une procédure d’arbitrage contre le vérificateur pour gagner des récompenses. Ces récompenses proviennent du dépôt du vérificateur ou de la cagnotte de récompenses.
6. Dans ce processus, les participants reçoivent des récompenses correspondantes en fonction des conclusions des vérifications probabilistes et déterministes.

Coûts et avantages

Les grandes entreprises ont généralement le budget pour opter pour des services informatiques centralisés. En revanche, les utilisateurs principaux de Gensyn sont les petites entreprises, les développeurs individuels et les équipes de recherche impliquées dans l'apprentissage automatique. Ces utilisateurs sont souvent sensibles aux prix et ne peuvent pas se permettre les coûts élevés de la puissance informatique centralisée. Le principal avantage de l'apprentissage automatique décentralisé est la réduction significative des coûts. Le tarif officiel de Gensyn montre que leur service ne coûte que 0,40 $ par heure, contre 2 $ par heure pour une puissance informatique équivalente d'AWS, ce qui entraîne une réduction des coûts de 80 %.

Source：docs.gensyn

Opportunités et Risques

Gensyn cible les utilisateurs très sensibles aux coûts informatiques, ce qui signifie qu'il s'adresse à un marché relativement plus petit. Bien que la vision du protocole soit alignée sur les tendances actuelles du marché, il fait face à plusieurs facteurs de risque. Par exemple, au début du processus, les utilisateurs doivent télécharger le framework du modèle, les données d'entraînement et les hyperparamètres sur le réseau Gensyn. L'utilisation de données open source ne pose pas de problèmes de confidentialité, mais le téléchargement de modèles propriétaires peut entraîner des fuites d'informations.

Les appareils utilisant le réseau Gensyn peuvent varier considérablement en termes de puissance de calcul, de capacité de stockage et de connectivité réseau. Gensyn transfère les paramètres du modèle, les tâches et les données de vérification entre différents appareils. Les appareils ayant une bande passante réseau plus faible peuvent subir des retards de transmission, ce qui affecte la distribution des tâches et la vérification des résultats. Par conséquent, les différences de capacités des appareils peuvent affecter l'efficacité globale du système.

Conclusion

Gensyn est un réseau informatique GPU dédié à l'apprentissage automatique, visant à connecter les développeurs et les solveurs tout en exploitant les ressources mondiales pour réduire les coûts associés à l'apprentissage automatique. Sa vision s'aligne bien avec les tendances actuelles du marché et les sujets chauds de l'IA. Cependant, Gensyn est encore en phase de développement, attirant principalement les petites entreprises, les développeurs individuels et les équipes de recherche qui sont sensibles aux prix. Le marché de ce service est encore relativement petit et le projet sera confronté à des défis importants pour parvenir à une mise en œuvre pratique généralisée.